钢铁企业煤气-蒸汽-电力系统耦合优化调度

钢铁企业在不同工况下煤气的富余量以及蒸汽和电力需求量不同,为了获得最大的经济效益,需要针对不同工况条件进行煤气-蒸汽-电力系统的实时优化调度。基于线性规划,以系统运行能源成本最小为目标函数,建立钢铁企业煤气-蒸汽-电力系统不同工况下的耦合优化调度模型。模型的调度间隔为5 min,通过LINGO求解出模型的最优解,得到不同工况下煤气、蒸汽、电力的最优实时生产调度方案,用于指导实际生产。利用S钢铁企业实际数据进行实例分析,得出的调度方案可实现煤气-蒸汽-电力系统的最优化分配,降低系统运行的能源成本,验证了模型的有效性。     

基于能源网络节点输入输出模型的能量流动态仿真

建立能量流网络节点输入输出动态模型是从系统和全局角度了解节能降耗环节及进行多介质协调优化的关键。从能量流网络结构出发,以冶金流程工程学为理论基础,研究了能量流网络中主工序生产单元节点的消耗回收模型、能源单元节点的生产消耗模型。以某钢铁企业实际数据为基础,进行了能量流网络节点输入输出动态仿真,仿真结果表明所建立的能量流网络节点模型误差较小,可有效模拟实际钢铁企业能源调配。所做研究对企业进行计划排产,不同工况下的调度分配具有指导意义。     

钢铁智能制造背景下物质流和能量流协同方法

钢铁企业面临库存增加、产能过剩、盈利艰难等问题,迫切需要通过绿色化和智能化的发展来应对当前的严峻形势.基于钢铁企业制造流程特点,通过分析企业以铁素流为核心的物质流和相应能量流网络特征,针对企业现有信息化系统在物质流和能量流协同方面存在的问题,提出钢铁制造过程的物质流和能量流的协同方法,明确物质流和能量流的耦合应从钢铁制造的单元工位设备与整体流程网络两个层面进行规划、设计和实施,并且指出可从完善信息监控、进行计划协同和调度协同三个方面来实现协同优化.构想基于现有信息系统架构,通过增加相应企业资源计划系统、制造执行系统、能源管理系统等信息系统的功能,以及建立物质流和能量流协同优化信息子系统的方式,以钢铁制造过程的物质流和能量流相关信息的数字化及模型化为支撑,实现制造流程的物质流和能量流协同优化,达成生产优化、资源优化和能源优化的效果.      

钢铁企业煤气-蒸汽-电力多介质管理模式研究与实践

钢铁企业煤气-蒸汽-电力介质相互关联并转化，其总能量占钢铁企业全部能源消耗的70%以上，如何高效管理钢铁生产过程中煤气-蒸汽-电力之间的耦合关系以及优化生产过程中多种介质平衡，使有限的能源更加高效、合理分配和利用，已成为钢铁企业降本增效的重点研究方向。基于唐钢公司煤气-蒸汽-电力多介质耦合管理实例，结合多项能源介质的平衡分配与调度优化技术应用实践，为钢铁企业降本增效、应对能源紧张和环境治理提供借鉴和参考。     

钢铁企业能源介质平衡分配与优化调度

钢铁企业的能源介质有近20种,能源用户遍布企业的各个方面.为了使有限的能源更加安全、高效、合理地分配,使这些能源的综合使用成本最小,能源介质的平衡分配与优化调度是一个非常重要的途径.本文通过分析钢铁企业煤气、蒸汽、氧气和电力系统能源介质间投入产出关系,在考虑到能源管网安全平稳运行的前提下,结合某大型钢铁生产企业的实际生产数据,将所有能源介质作为一个整体的研究对象建立了线性规划模型,模型准确地反映了企业能源的运行流程,并且将调度周期缩短为1 h,提高了可操作性,最后利用Cplex求出了模型的最优解.     

钢铁制造流程物质流与能量流协同优化研究进展

 钢铁企业具有流程长、能耗高、排放量大等特点,钢铁制造流程物质流与能量流的协同优化是实现高层次系统节能的关键。为此,对钢铁制造流程物质流和能量流优化的研究进展与应用进行了综述,在此基础上阐述了钢铁制造流程物质流与能量流协同优化的主要研究方向,即物质流与能量流的相互影响和协同规律研究、考虑能源约束的生产计划编制和物流与能流耦合调度。提出了解决协同优化模型构建和求解的关键在于科学的物质流与能量流协同表征方法、生产计划与能源计划时间粒度的统一和智能算法的优化。     

钢铁企业煤气-蒸汽-电力系统复合调度方法

钢铁企业生产过程中煤气、蒸汽和电力的供需实时变化,尤其在钢铁企业发生异常工况时,能源介质的产耗会发生较大的波动。为了解决调度方案的全局优化性和易操作性之间的矛盾,在综合分析启发式规则调度和线性规划调度两种方法针对异常工况条件对能源介质调度优劣的基础上,提出一种"规则+模型"复合调度方法。结果表明,复合调度方法将两种方法的优点相结合,提高了能源利用率,降低了设备调节难度,更加符合实际操作,在保证安全生产前提下可获得更大的能源效益。     

钢铁企业能量流网络研究现状与发展趋势

钢铁企业能量流网络具有复杂性、层次性、系统性和动态性。能量流网络研究主要面向能源设备、能源介质和能源系统三个对象,针对提高单元设备能效、能量流网络优化构建、能量流网络动态调控三大难题,研发高能效能源网络系统优化设计和能源网络系统高能效优化运行两类关键技术,实现优化能源系统设计和提高系统运行能效两大目标。能量流网络的研究方法主要包括理论分析、数学建模、仿真模拟等。目前,能效诊断评估优化、能量流网络集成优化和能量流网络多介质协同优化已成为能量流网络研究的新热点。钢铁企业能量流网络的发展趋势包括能源利用更加合理、网络构建集成优化、动态调控实时精准、工程应用全面推广。     

某钢铁企业能源利用效率探讨

文章以某钢铁企业为例,分析计算了各主要生产工序的余热余能资源量及回收利用情况。全流程的余热余能产生量为560.55kgce/t,在现有技术条件下,若包含副产煤气,其二次能源回收利用率为59.47%;不同条件下,全流程的能源利用效率为43.73%～46.93%。最后指出,高效回收利用余热余能,构建合理的能量流网络和物质流网络协同优化的能源管控中心,是提高钢铁企业能源利用效率的重要手段。     

基于物质流、能量流与信息流的钢铁厂智能调控系统架构研究

大型钢铁企业调度对象具有大规模、多目标、复杂约束及动态不确定性等特征,常规人工调度方法难以实现资源能源合理调配及作业实时最优,本文在对先进钢铁企业生产调度现状研究的基础上,根据钢铁制造流程特点,探索适合钢铁流程工业新一代调度指挥系统的整体架构,从信息化、集成化、智能化三个层面对生产制造流程进行升级;同时,针对现有调度指挥系统在物质流、能量流与信息流融和协调上存在的问题,提出建设基于物质流、能量流与信息流"三流合一"的钢铁厂智能调控系统,实现钢铁制造流程中物质流、能量流与信息流的协同优化,以适应智能制造对生产流程优化调度要求,促进冶金流程工业调度指挥系统的发展。     

基于HP-Elman-LSSVM模型钢铁企业自备电厂煤气供入量预测及优化调度

 钢铁企业自备电厂是副产煤气的主要缓冲用户,在消纳富余煤气、减少煤气放散、实现煤气平衡方面发挥着极为重要的作用。充分考虑自备电厂煤气供入量特点,建立了HP-Elman-LSSVM预测模型,并根据自备电厂能源利用的特点,建立拟合模型求解自备电厂锅炉的经济运行负荷,在此基础上对供入自备电厂的煤气进行优化调度。将该模型应用于具体企业,实现了钢铁企业自备电厂煤气预测和优化调度。模型应用表明：所建模型对自备电厂煤气供入量30、45、60个点的预测平均相对误差分别为1.9%、1.4%、1.4%,能有效解决实际生产中自备电厂煤气供入量预测不准问题。并通过煤气优化调度,自备电厂可大幅度提升蒸汽产率,应用企业每年可多产蒸汽约8.1322万t,折合节约标煤9443.955t。     

基于MIND方法的钢铁企业能源系统集成优化

钢铁企业生产系统结构复杂,含铁物质流和含碳能量流相互交错,形成庞大的物质流、能量流网络,能源系统涉及参数多,错综复杂,节能减排工作面临较大难度。MIND方法是一种面向企业级能源系统建模和优化的方法,是从系统的角度考虑节能方法。以钢铁企业物质流、能量流数据为基础,通过MIND建模方法,构建了某钢铁企业能源系统集成优化模型,通过CPLEX进行求解,并对结果进行了分析。研究结果表明：所建立的能源系统优化模型符合企业实际,误差小于1.5%;通过提高能源转换水平、主生产能力和外加含铁物流用量等参数,得到了生产优化方案,降低了能源消耗。     

基于数据驱动的高炉煤气复合预测模型

对钢铁企业高炉煤气系统科学准确的预测，可以为煤气的合理调度提供依据，对企业提高能源利用效率、减少煤气放散和环境污染有着非常重要的意义。针对钢铁企业高炉煤气系统设备工况复杂、煤气量波动频繁、难以准确预测的问题，依据小波分析方法、BP神经网络、最小二乘支持向量机的性质建立了基于数据驱动的高炉煤气的复合预测模型。该模型综合考虑高炉煤气系统生产计划和检修计划，对高炉煤气系统的产耗用户在不同工况下分别建立训练数据集，利用多组模型参数预测高炉煤气产生量、消耗量和缓冲量。利用某大型钢铁企业实际数据进行测试，该模型能够结合设备的实际生产工况变化，实现煤气的准确预测。结果表明，该模型平均绝对百分比误差小于4.95%，对变工况煤气系统有较好的预测效果。     

钢铁制造流程能源转换功能的开发与利用

针对钢铁制造流程能源结构和能源转换特点,提出钢铁制造流程能量流优化的核心是煤的转换与煤气、余热等二次能源的回收利用问题。在《冶金流程工程学》等理论的指引下,提出钢铁制造流程煤基能量系统是一个复杂的大系统,具有功能涌现性,通过充分开发与利用其能源转换功能,并与其他行业及社会大系统进行耦合,可构建“钢铁、化工、燃气、氢气、电力、供热、供冷多联产系统”,将更有利于提高系统能源效率和价值,更好实现钢铁企业绿色、低碳转型发展。     

钢铁企业工控系统网络安全风险分析及解决措施

钢铁企业工控系统网络安全的目标是实现持续的工控系统安全风险管理,建立一种能够随着时间变化不断改进的安全架构和技术支撑体系。结合首钢股份公司2160热轧生产线工控系统网络的实际情况,从工业主机安全防护、安全域划分及隔离、工控系统网络监测和统一威胁管理4个方面提出防护方案,以提高工控系统网络的防护能力,打造一个安全的生产环境,确保钢铁企业工控系统网络的平稳运行。     

钢铁联合企业发电技术的研究

电力是钢铁联合企业中消耗的重要能源,它在能源消耗结构中占20%。针对钢铁联合企业电力能量流动过程,建立了余热余能电力节点网络模型、分布式发电物理模型和集中式发电物理模型,提出了分布式和集中式相结合的发电模式,应用该模式发电能够实现钢铁企业余热余能就近回收、就近输送、就近使用,而且发电效率高,并通过实例说明其应用能够给企业带来可观的经济效益和社会效益,在企业中具有重要的推广价值。     

热风炉煤气消耗量中期预测模型

在钢铁生产过程中,副产煤气占钢铁企业总能耗的40%,因此,准确预测副产煤气的消耗量可以为钢铁企业煤气系统的优化调度提供科学的指导。热风炉是副产煤气系统的最大用户之一,由于工作周期频繁调整导致副产煤气消耗量波动剧烈,预测难度较大。针对现有预测模型预测提前量较短的问题,建立了基于时间序列的BP神经网络预测模型,在保证较高的预测精度的前提下将预测提前量延长至30 min。以现场采集的热风炉煤气数据作为数据样本进行实例分析,发现训练样本为2 000组、预测样本为30组时预测效果最好,平均误差绝对值可达4.04%。此外,还对不同预测模型进行对比,结果表明本模型最适合热风炉煤气消耗量的中期预测。     

钢铁企业副产煤气预测及优化调度

针对钢铁企业副产煤气系统产消量频繁波动,不平衡现象比较严重,供需之间的平衡程度对钢铁企业的生产成本、能源消耗情况影响较大,并且钢铁企业中工序、设备繁多,每道工序都涉及多种能源介质的问题,利用HP滤波、支持向量机分类（SVC）、最小二乘支持向量机(LSSVM)和Elman神经网络的特性建立了SVC-HP-ENN-LSSVM模型,并根据用能设备的能源利用特点和预测结果对副产煤气进行优化调度。模型应用表明：所建预测模型对煤气系统的预测平均相对误差小于4%,满足工业生产需要。根据预测结果进行的优化调度解决了煤气系统的不平衡问题,应用于钢铁企业典型工况,主工序可降低10%左右能耗,应用其自备电厂（一年按照330天计算）,可多产蒸汽约104148 t,节能约9998208 kg标煤。     

基于HP(2)-Elman模型的钢铁企业富余煤气预测及优化调度

针对钢铁企业富余煤气的频繁波动对自备电厂能耗及煤气平衡影响严重,且难以通过建立机制模型进行预测的问题,依据HP滤波和Elman神经网络性质建立了HP(2)-Elman预测模型.并根据自备电厂能源利用的特点,建立拟合模型求解锅炉的经济运行负荷,在此基础上对富余煤气进行优化调度.模型应用表明:所建预测模型对煤气柜位预测平均相对误差小于2.8％,自备电厂煤气供入量30、45、60个点预测平均相对误差分别为1.7％、1.6％、1.6％.根据预测结果进行的优化调度可为煤气柜位调整及自备电厂锅炉负荷分配提供操作依据,一年按照330天计算,可多产蒸汽约100495t,节能约11670481kg标煤.